Communication Vulnerabilities in Working-age Australians with Musculoskeletal Conditions: A Cross-sectional Analysis
Notice bibliographique
Résumé
OBJECTIVE: To estimate the prevalence of communication vulnerability (CV) and its association with various health measures among working-age Australians with musculoskeletal conditions (MSK). The various vulnerability characteristics may lead to inadequate communication between consumers and healthcare professionals. METHODS: Prevalence of CV among 18-64 year olds, with or without MSK, was analyzed using the Australian Bureau of Statistics' National Health Survey 2007-08 data. Associations between CV and measures of health complexity (accumulating multimorbidity and risk factors) and health burden (poorer self-rated health, psychological distress, and pain restricting work) in the MSK population were estimated using logistic regression. Further analyses were conducted for each vulnerability characteristic to determine the degree of association (crude and adjusted) with measures of interest. RESULTS: CV were more prevalent in working-age Australians with MSK (65%) than those without (51%). Adjusted for age and sex among working-age Australians with at least 1 MSK, those with 1 or more CV were more likely to have multimorbidity [adjusted OR (aOR) = 1.8, 95% CI 1.5-2.2], lifestyle risk factors (aOR = 2.1, 95% CI 1.5-2.8), poorer self-rated health (aOR = 3.4, 95% CI 2.7-4.2), greater psychological distress (aOR = 2.9, 95% CI 2.3-3.7), and pain restricting employment (aOR = 1.7, 95% CI 1.4-2.1) compared with those without CV. CONCLUSION: For working-age people, there is an association between MSK and CV. For those with MSK, CV were associated with increased likelihood of health complexity and burden. These findings have policy and clinical relevance. Research is needed to determine whether interventions that address these specific CV characteristics reduce the burden of disease within these populations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».